风机轴承故障早期检测与趋势预测

📚 共计 30 章节

课程导论：风机轴承故障的行业痛点与早期检测的价值

行业背景 · 早期检测经济性 · 课程路线

⭐ 入门行业洞察

轴承基础：滚动轴承的结构、失效模式与故障机理

保持架 · 滚动体 · 内/外圈失效机理

🔧 基础机械

信号基础：振动信号的时域与频域特征参数

时域波形 · 频谱 · 特征参数定义

📊 信号理论

传感器选型：加速度传感器、安装位置与数据采集系统

ICP · 灵敏度 · 磁座安装 · 采集卡

📡 硬件选型

数据预处理：去噪、滤波与趋势项消除实战

小波去噪 · 带通滤波 · 多项式趋势消除

🧹 预处理实战

时域分析：均值、方差、峰值、峭度等统计指标计算

有量纲/无量纲指标 · 峭度敏感度

📈 统计时域

频域分析：FFT原理与频谱图解读

离散傅里叶 · 频谱分辨率 · 边频分析

包络分析：希尔伯特变换与轴承故障特征频率提取

包络谱 · 特征频率计算 · 解调技术

📦 包络故障特征

时频分析：短时傅里叶变换与小波变换入门

STFT · 小波时频图 · 分辨率权衡

⏳ 时频小波

特征工程：从原始信号中构建有效故障特征集

多维特征 · 特征组合 · 归一化

🧩 特征构建

特征选择：主成分分析与互信息法降维

PCA · 互信息 · 特征重要性排序

📉 降维选择

机器学习基础：分类与回归模型在故障诊断中的应用

KNN · 逻辑回归 · 模型评估

支持向量机：SVM在轴承故障分类中的实战

核函数 · 超参数调优 · 多分类

⚔️ SVM分类

随机森林：集成学习方法用于故障模式识别

Bagging · 特征随机 · 混淆矩阵

🌲 随机森林集成

深度学习入门：CNN与1D-CNN在振动信号中的应用

卷积 · 池化 · 端到端诊断

🧠 CNN深度学习

自编码器：无监督异常检测与特征学习

重构误差 · 降噪自编码 · 异常评分

🔍 无监督自编码

趋势预测基础：时间序列分析与平稳性检验

自相关 · ADF检验 · 差分操作

📅 时间序列平稳性

ARIMA模型：差分自回归移动平均模型预测退化趋势

定阶 · 残差检验 · 趋势外推

📈 ARIMA预测

卡尔曼滤波：状态估计与退化趋势跟踪

状态空间 · 预测更新 · 平滑

🎛️ 卡尔曼滤波

长短期记忆网络：LSTM用于剩余寿命预测

循环门控 · 时间步 · RUL估计

🔁 LSTM寿命预测

健康指标构建：均方根值、峰值因子等趋势指标

RMS · 峰值因子 · 趋势灵敏度

❤️‍🩹 健康指标趋势

阈值设定：自适应阈值与统计过程控制方法

SPC · 控制图 · 自适应限值

案例实战一：离心风机轴承内圈故障早期检测

数据采集 · 特征提取 · 诊断流程

🧪 实战内圈

案例实战二：外圈故障与滚动体故障的区分诊断

模式区分 · 特征对比 · 分类器

🧪 实战外圈/滚动体

案例实战三：基于振动趋势的轴承剩余寿命预测

退化轨迹 · RUL模型 · 验证

模型部署：将诊断模型封装为API服务

Flask/FastAPI · 序列化 · 接口文档

边缘计算：在PLC或嵌入式设备上实现实时检测

边缘推理 · TensorRT · 轻量化

⚡ 边缘实时

系统集成：SCADA系统与预测性维护平台对接

OPC UA · 数据中台 · 看板

🔌 集成SCADA

评估指标：准确率、召回率、F1分数与误报率控制

混淆矩阵 · 阈值调整 · 成本权衡

📊 评估指标

课程总结：未来趋势与工业AI诊断的挑战

大模型 · 数字孪生 · 可解释性

🔮 总结趋势